【正文】 參數(shù):* 無** \返回值:* 無** \說明:* 該函數(shù)利用Laplacian 算子實現(xiàn)圖像的銳化***************************************************************************/void CImageProcessingView::OnEnhanceSharp(){//更改光標(biāo)形狀BeginWaitCursor()。}實現(xiàn)函數(shù)LinearSharp()后，在菜單“圖像增強”添加菜單項“圖像銳化”。}}delete []pdGrad 。 xnWidth 。 ynHeight 。}// 梯度值寫入內(nèi)存*(pdGrad+y*nWidth+x)=dGrad。 xx3。 yy3。nTmp[2][2] = lpImage[(y+1)*nWidth + x + 1 ] 。// 模板第三行nTmp[2][0] = lpImage[(y+1)*nWidth + x 1 ] 。nTmp[1][1] = lpImage[y*nWidth + x ] 。nTmp[0][2] = lpImage[(y1)*nWidth + x + 1 ] 。// Laplacian 算子需要的各點像素值// 模板第一行nTmp[0][0] = lpImage[(y1)*nWidth + x 1 ] 。 xnWidth1 。 ynHeight1 。int xx 。// 臨時變量double dGrad。nWeight[2][2] = 1 。nWeight[2][0] = 1 。nWeight[1][1] = 8 。nWeight[0][2] = 1 。nWeight[0][0] = 1 。// 初始化為0memset(pdGrad, 0, nWidth*nHeight*sizeof(double)) 。double * pdGrad 。/*************************************************************************** \函數(shù)名稱：* LinearSharpen()** \輸入?yún)?shù):* LPBYTE lpImage 指向圖像數(shù)據(jù)得指針* int nWidth 圖像數(shù)據(jù)寬度* int nHeight 圖像數(shù)據(jù)高度** \返回值:* 無** \說明:* 線性銳化圖像增強* 本函數(shù)采用拉普拉斯算子對圖像進行線性銳化* 在原來圖像上加上拉普拉斯算子銳化的信息***************************************************************************/void LinearSharpen (LPBYTE lpImage, int nWidth, int nHeight){// 遍歷圖像的縱坐標(biāo)int y。在這里，我們利用Lapacian 算子來進行示例。指數(shù)高通濾波器的傳遞函數(shù)H(u,v)可以表示為：為截止頻率，n為級數(shù)。 是頻率平面上點（u,v）到原點（0,0）的距離。這里G(u,v)為高通濾波器處理后的圖像；H（u,v）為頻域高通濾波器的傳遞函數(shù)；F（u,v）為原始圖像f(u,v)的傅氏變換。圖形中的邊緣和線條與圖像頻譜中的高頻分量相對應(yīng)，因此可以通過高通濾波的方法，使低頻分量得到抑制，從而達到增強高頻分量，使圖像的邊緣或線條變得清晰的目的。梯度算子和laplacian算子都對噪聲敏感，因此一般用它們檢測邊緣前要先對圖像進行平滑。由于Prewitt邊緣檢測算子是通過八個方向模板對圖像進行卷積運算，因此運算量比較大。Prewitt算子和Sobel算子提取邊緣的結(jié)果差不多。設(shè)原圖像為 對中模板罩不住的地方其處理結(jié)果令為0，其它的像素一次按照式（式1）進行計算。Sobel算子包含兩組3x3的矩陣，分別為橫向及縱向模板，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。在圖像處理中常被用于提取圖像的邊緣。prewitt算子為在檢測邊緣的同時減少噪聲的影響，從加大邊緣檢測算子的模板大小出發(fā)，由2*2擴大到3*3來計算差分算子，采用prewitt算子能檢測到邊緣點，還可以抑制噪聲。 Priwitt微分算子定義如下：因為平均能減少或消除噪聲，Prewitt梯度算子法就是先求平均，再求差分來求梯度。 Roberts交叉微分算子函數(shù)Roberts算子模板是一個22的模板，左上角的是當(dāng)前待處理像素f()，則交叉微分算子定義如下：其模板可以表示為：，例如：已知原始圖像F，求：用Roberts交叉微分算子的處理結(jié)果。同梯度算子一樣，拉普拉斯算子也會增強圖像中的噪聲，有時用拉普拉斯算子進行邊緣檢測時，可將圖像先進行平滑處理。一般增強技術(shù)對于陡峭的邊緣和緩慢變化的邊緣很難確定其邊緣線的位置。二維圖像f（x,y）的拉普拉斯微分算子定義為：寫成模板系數(shù)形式形式即為Laplacian算子：其上形式為離散拉普拉斯算子的模板，另外還有擴展模板，表示如下：從模板形式容易看出，如果在圖像中一個較暗的區(qū)域中出現(xiàn)了一個亮點，那么用拉普拉斯運算就會使這個亮點變得更亮。擴散效應(yīng)是成像過程中經(jīng)常發(fā)生的現(xiàn)象。通常圖像和對他實施拉式算子后的結(jié)果組合后產(chǎn)生一個銳化圖像。適當(dāng)?shù)倪x取T，即可使明顯的邊沿輪廓得到突出，并且不會破壞原來灰度變換比較平緩的背景。此方法的缺點是增強的圖像僅僅顯示灰度變換比較陡峭的邊沿輪廓，而灰度變化比較平緩或者比較均勻的地方則呈現(xiàn)黑色。梯度算子一旦算出后，就可以根據(jù)不同的需要生成不同的梯度增強圖像。用模板算子來表示為：也可以推廣Laplacian 算子，考慮進對角線方向，這樣它就是一個8 鄰域的算子，其模板為Laplacian 算子有兩個缺點，一個是邊沿的方向被丟失，另一個是Laplacian 算子為二階差分，雙倍加強了圖中的噪聲影響。常用的梯度差分有： 為了運算簡便，可以簡化為或者利用Roberts 梯度算子 Roberts 算子也可以簡化為常用的梯度算子還有Laplacian 算子。圖像處理中最常用的微分方法是求梯度。 空域微分銳化方法圖像的模糊相當(dāng)于圖像被平均或被積分，為實現(xiàn)圖像的銳化，必須用它的反運算“微分”，加強高頻分量的作用，從而使圖像輪廓清晰。從頻率域來考慮，圖形模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像變得清晰。最基本的一類邊緣檢測算子是微分類算子。經(jīng)過平滑處理的圖像變得模糊的根本原因是圖像受到了平均或積分運算，因此對其進行逆運算（微分運算）就可以使圖像變得清晰。第四章 算法分析與描述圖像銳化處理的目的是為了使圖像的邊緣。通常第一次運行Visual C++時，在菜單欄的下面有3 個工具欄，它們分別是：標(biāo)準(zhǔn)工具欄、向?qū)Чぞ邫诤驼{(diào)試工具欄。3 輸出窗口輸出窗口位于整個主窗口的下方，主要用于顯示代碼調(diào)試和運行中的相關(guān)信息，在這里可以看到編譯程序的進展說明、警告以及出錯信息；在逐步編譯代碼時，輸出窗口是Visual C++調(diào)試程序顯示所有變量當(dāng)前值的地方，當(dāng)關(guān)閉輸出窗口后，它會在Visual C++需要顯示有關(guān)信息時自動打開。在一個項目工作區(qū)中，可以處理一個工程和它所包含的文件、一個工程的子工程、多個相互獨立的工程和多個相互依賴的工程。編輯區(qū)基本上是開發(fā)界面的全部區(qū)域，不能被菜單或工具欄占據(jù)。1 編輯區(qū)編輯區(qū)是使用Visual C++進行一切編輯的區(qū)域，它一般位于開發(fā)界面的下方，C++的源代碼就在這里編輯和顯示。Visual C++ 集成開發(fā)環(huán)境由一套綜合的開發(fā)工具所組成，提供了良好的可視化編程環(huán)境，Visual C++ 不僅為用戶提供編輯代碼、編譯、連接、調(diào)試等基本功能，還提供多種輔助開發(fā)工具，以使用戶的開發(fā)過程更簡單、方便。VisualC++ 有三個版本，分別是標(biāo)準(zhǔn)版、專業(yè)版、企業(yè)版。經(jīng)歷了近20年的發(fā)展，Visual C++已經(jīng)有了很大的變化，在界面、功能、庫支持方面都有許多的增強。（8）項目工作區(qū)和文件在 Visual C++ 中，一個項目系統(tǒng)在一個工作區(qū)內(nèi)包含多個不同的項目類型，比如工作區(qū)文件以dsw 為后綴名，項目文件以dsp 為后綴名，而Build 文件分為內(nèi)部文件和外部文件等。（7）在工作區(qū)內(nèi)可以包含多個并列的工程文件以前的 Visual C++版本在不同工程之間復(fù)制代碼和資源時，需要先打開一個工程，然后打開另一個工程的資源文件，然后進行資源復(fù)制操作。該特性可以讓Visual Studio 用戶了解最新信息，獲取更新的文檔及完成產(chǎn)品的升級和修正工作。如增加或者刪除菜單命令和工具條按鈕等。在使用加速鍵、對話框、菜單、字符串時，可以對多個要改的項目作統(tǒng)一修改。（2）調(diào)試器可以直接運行和調(diào)試程序，還可以使用宏語言來自動操作調(diào)試器。與以前的版本相比，Visual C++ 的MFC 類庫沒有做太大的改進，但是其集成開發(fā)環(huán)境做了一些改進，增加了一些新特性，使其更易于應(yīng)用。在行內(nèi)有一句話“在Windows 下開發(fā)軟件，只有你想不到的，沒有Visual C++做不到的”來形容Visual C++ 的功能齊全和強大。但是經(jīng)過一段時間的摸索，C++程序員們又一致認為Visual C++ 是開發(fā)C++ Windows 應(yīng)用程序最理想的工具。由于Visual C++在開發(fā)Windows 應(yīng)用程序時，它主要采用C語言、C++通用類以及原始的Windows 應(yīng)用程序編程接口，而這些函數(shù)都是比較低層的函數(shù)，一次運行起來速度比較快，使用靈活，從而保證了用Visual C++編寫出來的軟件產(chǎn)品擁有高效率的運行速度。（3）擁有高效率的運行速度。由于C++類支持繼承和虛擬函數(shù)，程序員可以通過使用繼承和擴展適當(dāng)?shù)腃++類來實現(xiàn)特定的目的。MFC 本身就是一個龐大的C++類庫，這些類有效地實現(xiàn)了對Win32 API、OLEAPI、ODBC API 等底層函數(shù)的封裝，因此不需要再記憶大量的API 函數(shù)，只要實例化一個C++類，并采用該實例的成員變量即可，從而使開發(fā)過程更加合理化，編程更加簡便化。（2）強大的類庫支持和類改造能力。Visual C++作為優(yōu)秀的可視化編程工具，它提供了大量類庫和各種控件，而這些類庫和控件都是構(gòu)架在Windows API 函數(shù)基礎(chǔ)之上的，是封裝了的API 函數(shù)的集合，讓程序員進行應(yīng)用開發(fā)時更方便，以加速Windows應(yīng)用程序開發(fā)的過程。程序員在Windows 平臺下開發(fā)應(yīng)用程序時，可以利用WindowsAPI 提供給應(yīng)用程序的接口程序?qū)indows 進行控制。現(xiàn)在常用的版本有Visual C++ ++.NET/ Visual C++2005 等。而且由于Visual C++本身就是一個圖形的開發(fā)界面，提供了豐富的關(guān)于位圖操作的函數(shù)，所以對開發(fā)圖像處理系統(tǒng)提供了極大的方便。 VC++簡介Visual C++是微軟公司推出的一種高度綜合性能的開發(fā)Win32 環(huán)境程序，面向?qū)ο蟮目梢暬删幊滔到y(tǒng)。圖像編碼主要是采用不同的表達方法以減少表示圖像所需的數(shù)據(jù)量，從本質(zhì)上來說，圖像編碼與壓縮就是對要處理的圖像源數(shù)據(jù)按一定的規(guī)則進行變換和組合，從而達到以盡可能少的代碼來表示盡可能多的數(shù)據(jù)信息。如果數(shù)據(jù)不壓縮，則需要在存儲和傳輸中占很大的容量和帶寬，因而增加了成本。盡管現(xiàn)在有大容量的存儲器，但仍不能滿足對圖像數(shù)據(jù)（尤其是動態(tài)圖像、高分辨率圖像）處理的需要。（8）圖像壓縮編碼：圖像是一種重要的信息資源，經(jīng)常需要保存起來，為此需要按一定的格式存入計算機。（7）圖像變換：圖像變換是指通過一種數(shù)學(xué)映射的方法，將空域中的圖像信息轉(zhuǎn)換到頻域或時頻域等空間上進行分析的數(shù)學(xué)手段。實際上就是將多幅斷層二維平面數(shù)據(jù)重建成可描述人體組織器官的三維結(jié)構(gòu)的圖像。醫(yī)學(xué)上廣為采用的計算機層析掃描術(shù)（CT）就是一例。（6）圖像重建：圖像重建的目的是根據(jù)二維平面圖像數(shù)據(jù)構(gòu)造出三維物體的圖像。如果說圖像處理是一個從圖像到圖像的過程，則圖像分析就是一個從圖像到數(shù)據(jù)的過程。再用適當(dāng)?shù)臄?shù)學(xué)語言來表示已分離區(qū)域或物體的機構(gòu)與統(tǒng)計性質(zhì)，或表示區(qū)域間的關(guān)系，得出一種簡練的表達方式，這稱為描述。圖像分析分3 步進行，即分割、描述和分類。但是到目前為止，對圖像分割的好壞進行評價還沒有統(tǒng)一的準(zhǔn)則，因此，圖像分割時圖像分析和計算機視覺中的經(jīng)典難題。圖像中通常包含多個對象，例如，一幅航空照片，可以分割為居民區(qū)、工業(yè)區(qū)、草原和湖泊等區(qū)域。圖像復(fù)原可以看作是圖像